北京
黄仁勋在柏林 GTC 2026 的主题演讲，开场没聊芯片，先聊制造业。他把 AI 定义成一门生产 token 的生意：AI 工厂的产出是 token，产业结构是一个五层蛋糕——能源、AI 工厂（计算）、模型、各行业应用，安全贯穿其中。
这套叙事里，欧洲是样板间。他回顾英伟达在欧洲 33 年的历史，称过去一年在欧洲投入近 100 亿美元、累计合作超 12000 项、当周宣布投资 14 家初创公司。施耐德、西门子负责能源与配电，Mistral 等做模型，电信与制造业做下游落地。
性能账：十年 100 万倍，摩尔定律只有 100 倍
技术层面从 GPU 与 CUDA 讲到 NVLink、Spectrum-X 共封装光学以太网（512 端口、每端口 200G）、BlueField 4、Vera CPU 和 100% 液冷的 Vera Rubin NVL72。他给出的对比是：十年间 AI 性能提升约 100 万倍，而同期摩尔定律约为 100 倍；Blackwell 约为 Hopper 的 30 倍，Vera Rubin 再用两年做到 Blackwell 的 30 倍。
Vera Rubin NVL72 做到 100% 液冷，组装从两小时降到五分钟以内。DSX POD 用 17 公里 Spectrum-X 线缆把七个液冷机架在工厂完成集成与老化测试，配合 800 伏直流与干式冷却，把现场部署从四五个月压缩到约一个月。
经济账也摆了出来：一座 1 吉瓦 AI 工厂造价约 500 亿美元，DSX MaxLPS 动态配电省 30% 用电，干式冷却在 200 万千瓦规模下每天省 5400 万升水。部署周期缩短，直接减少的是闲置算力和资本开支。
Agent 五件套：权限决定边界，沙箱不是提示词
Agent 部分给出「模型、Harness、沙箱、知识、工具」五件套。OpenShell 以 Apache 2.0 开源，结合 Linux 内核隔离与沙箱外的运行时策略执行、密钥托管与网络网关；BlueField 4 上的 Sentry 在硬件隔离信任域里监控推理流量，发现异常可在毫秒级切断 agent 与模型的连接。
演讲里举了一个反例：告诉 agent「请不要删除任何东西」，并不能提供任何保障。他的原话是，安全不能只是一个愿望，安全靠的是技术和工程。现场还宣布了与 Anthropic 的合作。
企业专属 AI 的路径被拆成两步：开放模型加自有数据后训练，再把公司知识与专业工具接进 agent。英伟达开放 Nemotron、Cosmos、GR00T、Isaac、BioNeMo 等模型，并附数据与复现脚本；知识层由 cuDF、cuVS、cuOpt 等库处理结构化与非结构化数据，工具层由 CUDA-X 库承担仿真、求解与实验。
案例包括 Leela Sciences 的药物发现闭环、西门子电子工厂的排产与检测、达索系统用 CATIA 与 SIMULIA 完成车门改型设计。他的判断是，每一家做工具的公司现在都会成为 AI 公司，都会成为做 agent 的公司。
物理 AI：三台计算机与一套标准配置
物理 AI 需要三台计算机：训练模型的计算机、Omniverse 数字孪生（学习与验证技能）、机器人本体上的计算机。Hyperion 用 14 个摄像头、9 套雷达、3 个激光雷达加双 GPU 做成行业标准，本次新增大众、捷豹路虎、沃尔沃、奔驰四个品牌。
人形机器人被视为最可能规模化的标准形态，英伟达与 HL Robotics 合作的参考机器人计划明年第一季度推出。同一套五件套还延伸到个人电脑，也就是 RTX Spark。
把 AI 当工厂建，把 agent 当产线管，把安全当工程做——这场演讲的信息密度，基本都压在这三句话里。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
